基于度量分类联合损失特征表示的实例级别图像检索研究.pdfVIP

摘要

在人工智能飞速发展的时期，图像检索逐渐成为目前十分重要的研究课题之一。

随着深度学习的出现，图像检索也随之不断发展，而实例级图像检索技术则是图像检

索不断发展所诞生的产物。在实例级图像检索方面，基于卷积神经网络的实例级图像

检索技术展现出不俗的实力，但与期望的表现仍然有一些差距，再因为实例级图像检

索任务本就是图像检索领域的重要分支之一，故提升其检索的精确程度自然成为该研

究的核心部分，而其中的一种方法就是优化损失函数。为完成该项任务，本文在基于

卷积神经网络的实例级图像检索技术上加以改进，对其损失函数进行更换调整，有效

提升了实例级图像检索技术的精度，提高了检索准确率，主要创新和工作如下：

（1）通过设计调整的新数据集来加强验证度量分类联合损失的性能。鉴于研究

中心是从损失函数出发，本文先对深度度量学习进行系统的理论学习，进而在此基础

上通过引入在人脸识别等领域展现出优异性能的度量分类联合损失，来达到提高图像

检索精度的目的。为验证评估该损失函数在检索领域的性能情况，使之更具有广泛性，

本文使用了两个改进过的新数据集NOxford5k数据集和NParis6k数据集，通过计算

召回率与其他常规损失函数得出的召回率进行比较实验，从而验证该损失函数优异的

性能，为在具体的实例级图像检索任务中加以验证打下基础。

（2）将度量分类联合损失函数首次引入到基于卷积神经网络的实例级图像检索

技术中，以改进该技术达到提高检索精度的目的。本文替换掉原有方法，通过具体的

实例验证，与已经应用在该任务中的损失函数进行对比实验。该工作将该损失函数引

入作为改进该技术的方法，通过对比实验，得到较原方法更高的平均精度均值，进一

步验证了该函数优秀的性能，从而提高该损失函数在图像检索领域被应用的可能性。

关键词：深度度量学习；深度学习；图像检索；深度特征；损失函数；卷积神经网络

ABSTRACT

Intheperiodofrapiddevelopmentofartificialintelligence,imageretrievalhas

graduallybecomeoneoftheveryimportantresearchtopics.Withtheemergenceofdeep

learning,imageretrievalhasalsodevelopedcontinuously,andinstance-levelimage

retrievaltechnologyistheproductofthecontinuousdevelopmentofimageretrieval.In

termsofinstance-levelimageretrieval,theinstance-levelimageretrievaltechnologybased

onconvolutionalneuralnetworkhasshowngoodstrength,butthereisstillsomegapwith

theexpectedperformance,andbecausetheinstance-levelimageretrievaltaskisan

importantbranchoftheimageretrievalfieldTherefore,improvingtheaccuracyofits

retrievalnaturallybecomesthecorepartoftheresearch,andoneofthemethodsisto

optimizethelossfunction.Inordertoaccomplishthistask,thepaperimprovesthe

instance-levelimageretrievaltechnologybasedonconvolutionalneuralnetwork,replaces

andadjustsitslossfunction,whicheffectivelyimprovestheaccuracyoftheinstance-level

imageretrievaltechno